香港中文大学研究生,香港中文大学研究生申请
本期为TechBeat人工智能社区第492期线上Talk!
北京时间4月26日(周三)20:00,香港中文大学在读博士生—陈玉康的Talk将准时在TechBeat人工智能社区开播!
他与大家分享的主题是:“VoxelNeXt实现全稀疏3D检测跟踪,结合SAM加速3D标注”, 届时 将分享 全稀疏的3D 检测框架 VoxelNeXt的成果。
Talk·信息
主题:VoxelNeXt实现全稀疏3D检测跟踪,结合SAM加速3D标注
嘉宾:香港中文大学在读博士生 陈玉康
时间:北京时间4月26日 (周三) 20:00
地点:TechBeat人工智能社区
http://www.techbeat.net/
Talk·介绍
目前,自动驾驶场景的3D检测方法大多采用稠密特征的检测头,而3D点云数据本身是稀疏的,这无疑是一种低效和浪费计算量的做法。我们提出了一种全稀疏的3D 检测框架 VoxelNeXt.该方法可以直接从稀疏的体素特征来预测3D物体,无需借助成anchor, center, voting等中间状态的媒介。此外,该方法在取得检测速度优势的同时,还能很好地帮助多目标跟踪。VoxelNeXt在大规模公开数据集nuScenes、Waymo、Argoverse2上都取得了很好的效果,并在Argoverse2 LiDAR 检测和nuScenes LiDAR多目标跟踪上取得SOTA. 此外,VoxelNeXt由于其全稀疏的特性,能够很好地结合 Segment Anything,在点击图像的同时不仅能获得2D mask,还能获得 3D box,可以在很大程度上方便3D物体的标注。
Talk大纲
1.VoxelNeXt的动机
2.VoxelNeXt的方法细节
3.VoxelNeXt的实验结果
4. 总结
5. Context Cluster与Segment Anything的结合
Talk·预习资料
Github:
https://github.com/dvlab-research/VoxelNeXt
https://github.com/dvlab-research/3D-Box-Segment-Anything
Talk·提问交流
在Talk界面下的【交流区】参与互动!留下你的打call和问题,和更多小伙伴们共同讨论,被讲者直接翻牌解答!
你的每一次贡献,我们都会给予你相应的i豆积分,还会有惊喜奖励哦!
Talk·嘉宾介绍
陈玉康
香港中文大学在读博士生
香港中文大学博士三年级,师从贾佳亚教授。研究方向为Efficient CV,相关课题包括AutoML、自动驾驶等。已发表顶会顶刊15篇,其中一作8篇,代表工作包括DetNAS、Focal Sparse Conv、VoxelNeXt。曾获夺得Microsoft COCO 2019 年检测与实例分割比赛冠军,多次取得自动驾驶知名榜单第一,包括nuScenes雷达检测、多目标跟踪、SemanticKITTI语义分割等。
-The End-
如果你也想成为讲者
自荐 / 推荐
单人Talk | 团队专场 | 录播or直播 | 闭门交流
多种方式任你选择!
推荐讲者成功也有奖励哦~
关于TechBeat人工智能社区
TechBeat(www.techbeat.net)隶属于将门创投,是一个荟聚全球华人AI精英的成长社区。
我们希望为AI人才打造更专业的服务和体验,加速并陪伴其学习成长。
期待这里可以成为你学习AI前沿知识的高地,分享自己最新工作的沃土,在AI进阶之路上的升级打怪的根据地!
更多详细介绍>>TechBeat,一个荟聚全球华人AI精英的学习成长社区
⤵一键送你进入Talk页面
香港中文大学研究生(香港中文大学研究生申请)